Prediksi Produksi Gula Tebu Berdasarkan Kualitas Menggunakan Metode Neural Network
Main Article Content
Abstract
Gula adalah bahan baku penting dalam kehidupan sehari-hari, baik untuk konsumsi publik maupun dalam industri makanan dan minuman. Di Indonesia, konsumsi gula mengalami fluktuasi yang signifikan, terutama menjelang hari-hari besar, dengan total kebutuhan mencapai 3,9 juta ton pada tahun 2021. Permasalahan dalam produksi gula seperti berkurangnya area lahan tebu, inefisiensi dalam pengelolaan dan ketidakstabilan hasil produksi, sehingga memerlukan perencanaan yang efisien. Penelitian ini menggunakan metode neural network untuk memprediksi produksi gula tebu dengan menggunakan data historis dari Januari 2014 hingga Desember 2018, yang mencakup faktor-faktor penting seperti curah hujan, suhu udara, kelembapan udara, dan waktu tanam. Neural network dipilih karena kemampuannya dalam mengenali pola data untuk memberikan prediksi yang tepat. Dengan memanfaatkan perangkat lunak Zaitun Time Series, penelitian ini mengevaluasi berbagai konfigurasi jaringan saraf tiruan untuk menunjukkan model yang paling efektif. Hasil penelitian menunjukkan bahwa konfigurasi dengan 4 input layer dan 3 hidden layer menghasilkan error terkecil dengan nilai data ERROR 0,23886 MAE 0,03608 MSE 0,01761 RMSE 0,132702675.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
How to Cite
References
Achadin, M. A. D. N. (2017). Analisis Faktor Yang Mempengaruhi Produksi Tebu Pada Sub Sektor Perkebunan Di Provinsi Jawa Timur Tahun 2011-2015. Jurnal Ekonomi Pembangunan, 15(2), 193. https://doi.org/10.22219/jep.v15i2.8432
Apriawan, D. C., & Mulyo, J. H. (2015). Analysis of Sugarcane and Sugar Production in PT. Perkebunan Nusantara VII (PERSERO). Agro Ekonomi, 26(2), 159–167.
Badan Pusat Statistik Indonesia. (2021). Distribusi Perdagangan Komoditas Gula Pasir Indonesia 2021. Badan Pusat Statistik Indonesia. https://www.bps.go.id/id/publication/2021/10/29/dd4ff6a48b14ca26d492ed73/distribusi-perdagangan-komoditas-gula-pasir-indonesia-2021.html
Evizal, R. (2018). Pengelolaan Perkebunan Tebu. Graha Ilmu.
Gunaryati, A., & Suhendra, A. (2015). Perbandingan Antara Metode Statistika dan Metode Neural Network pada Model Peramalan Indeks Harga Perdagangan Besar. Jurnal Teknologi Dan Rekayasa, 20(1), 23–35.
Heryanto, M. A., & Suryatmana, E. R. (2020). Dinamika Agroindustri Gula Indonesia: Tinjauan Analisis Sistem. Agricore: Jurnal Agribisnis Dan Sosial Ekonomi Pertanian Unpad, 5(2), 194–210. https://doi.org/10.24198/agricore.v5i2.32100
Jaelani, T. (2022). Machine Learning untuk Prediksi Produksi Gula Nasional. JMPM (Jurnal Material Dan Proses Manufaktur), 6(1), 31–36. https://doi.org/10.18196/jmpm.v6i1.14897
Kuspratiwi, B. S. (2014). Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Kualitas Hasil Produksi Gula Di Pt . Pg Rajawali I Surabaya Final Project – Ks 141501 Implementation of Artificial Neural Network To Predicting Quality of Sugar in Pt . Pg Rajawali I Surabaya.
learn.microsoft.com. (2023). Komponen Data Normalisasi. Learn.Microsoft.Com. https://learn.microsoft.com/id-id/azure/machine-learning/component-reference/normalize-data?view=azureml-api-2
Nugroho, K. (2016). Model Analisis Prediksi Menggunakan Metode Fuzzy Time Series. Infokam, 12(1), 46–50.
Rachman, A. S., Cholissodin, I., & Fauzi, M. A. (2018). Peramalan Produksi Gula Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Pada PG Candi Baru Sidoarjo. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(4), 1683–1689.
Sugianto, N., & Samopa, F. (2015). Analisa Manfaat dan Penerimaan Terhadap Implementasi Bahasa Isyarat Indonesia Pada Latar Belakang Komplek Menggunakan Kinect dan Jaringan Syaraf Tiruan (Studi Kasus SLB Karya Mulia 1). JUISI : Jurnal Informatika Dan Sistem Informasi, 1(1), 10–27.
Sulaiman, A. A., Sulaeman, Y., Mustikasari, N., Nursyamsi, D., & Syakir, A. M. (2019). Increasing sugar production in Indonesia through land suitability analysis and sugar mill restructuring. Land, 8(4), 1–17. https://doi.org/10.3390/land8040061
Swedia, E. R., Fitriani, R. R., Margi Cahyanti, E., & Septian, M. R. D. (2022). Feed Forward Neural Network untuk Prediksi Data. Nas Media Pustaka. https://books.google.co.id/books?id=NY2KEAAAQBAJ&newbks=1&newbks_redir=0&dq=neural+network+adalah&hl=id&source=gbs_navlinks_s
Tim Pengembang Aplikasi Zaitun Time Series. (2019). Zaitun Time Series Petunjuk Penggunaan. In www.zaitunsoftware.com. www.zaitunsoftware.com.
Yunita. (2015). Prediksi Cuaca Menggunakan Metode Neural Network. Jurnal PARADIGMA, 17(2).